Supermemory 是面向 AI agents 和应用产品的上下文基础设施，提供 Memory、SuperRAG、Search、Profiles、Connectors、Extractors 和 API/SDK/MCP 接入，适合把长期记忆、知识同步和检索增强能力做成可复用产品层。

Supermemory 工具文档

核心参数与统计

Supermemory 解决的是 AI 应用里的“上下文连续性”问题。它不是单纯的向量数据库，也不是只给终端用户保存网页的收藏工具，而是把记忆、检索、用户画像、连接器、抽取器和开发者 API 组合成一层 context infrastructure。

项目	当前信息
产品名称	Supermemory
官方入口	https://supermemory.ai/
官方定位	The context cloud for agents
核心能力	Memory、SuperRAG、Search、Profiles、Connectors、Extractors
接入方式	Web App、Developer Console、API、SDK、MCP
定价方案	Free、Pro、Max、Scale、Enterprise
部署边界	Cloud，Scale/Enterprise 覆盖更强团队与企业能力

它的关键价值在于把“模型下一次还能记住什么”从 prompt 手工拼接中抽出来，变成一套可写入、可检索、可同步、可计费和可治理的基础设施。

用户与市场认可

在所属领域逐步建立用户认知，产品能力被内容创作者和团队用于提升工作效率。 部分行业用户已将其纳入日常工作流，具体用户规模和行业采用率等数据建议参考官方最新披露。

成本优势

Supermemory 的成本结构是套餐加用量计费。官方定价页按 Memory、SuperRAG、Search、Storage、Bandwidth 等能力定义使用成本，同时给出 Free、Pro、Max、Scale 和 Enterprise 分层。这样的设计更适合从原型逐步走向生产。

方案	官方价格线索	适合场景
Free	$0	原型、个人测试、轻量开发
Pro	$19/mo	小团队和插件/应用早期用户
Max	$100/mo	更高使用额度和更复杂个人/团队工作流
Scale	$399/mo	生产负载、团队协作、更多连接器和合规边界
Enterprise	Custom	专属基础设施SLA、DPA、air-gapped 等需求

成本优势并不只是“便宜”，而是让团队避免自己维护多套系统：文档抽取、数据同步、检索、记忆合并、用户画像和 agent 上下文都可以从同一个 API/SDK 进入。

主要功能

Supermemory 的能力可以理解为一套面向 agent 的上下文原语。

• Memory：保存用户、项目、对话和事实，让 AI 应用在后续会话中复用上下文。
• SuperRAG：提供面向生产检索的 RAG 能力，减少团队自建检索管线的工作量。
• Search：用于在已写入的 memory 和知识对象中检索相关内容。
• Profiles：维护用户画像和偏好，适合个性化助手CRM 式 AI 和长期协作场景。
• Connectors：连接外部工具和知识源，让上下文持续同步。
• Extractors：把网页、文档和多种文件类型转成可检索对象。
• SDK / API / MCP：让应用agent 框架和开发工具直接接入记忆层。

这些功能组合起来，目标是让“添加上下文”和“取回上下文”变成工程接口，而不是每个产品团队都重新搭一套记忆系统。

模型与版本演进

持续迭代更新，最新版本引入了性能优化和新功能。历史版本信息可通过官方发布页查看。 暂无完整公开的版本演进时间线，建议关注官方公告了解功能更新节奏。

技术优势

Supermemory 的技术优势在于它试图把记忆从“长 prompt”变成结构化系统。对 AI 应用来说，直接把所有历史对话塞进上下文窗口既贵又不稳定；更可控的方式是先抽取、归档、索引和理解，再在 query time 取回最相关的内容。

它的优势主要体现在三个方面。第一，开发者不必自己拼抽取、同步、索引和重排。第二，Profiles 和 Memory 让用户级上下文更容易长期维护。第三，MCP 和 SDK 让 agent 工具链可以共享同一层记忆，而不是每个工具各存一份孤岛数据。

边界也要说清楚：Supermemory 能提升上下文管理能力，但最终回答质量仍取决于数据质量、写入策略、查询策略、权限设计和模型本身。

如何使用

• Web 端：访问官网注册账号即可使用，多数功能无需安装。
• API 接入：提供 RESTful API，开发者可获取 API Key 后集成到自有应用。

产品定价

Supermemory 定价页同时展示套餐价格和用量价格。套餐决定每月内置额度、协作能力和企业能力；用量价格则覆盖 memory、SuperRAG、search、storage 和 bandwidth 等项目。

计费项	官方口径
Memory	按页计量，首 5k pages 免费，之后按量计费
SuperRAG	按请求计费，包含一定免费额度
Search	按请求计费，包含一定免费额度
Storage	按 GB 月度计费，包含免费额度
Bandwidth	按 GB 计费，包含免费额度

对预算敏感的团队，建议先用 Free 或 Pro 验证检索质量和写入策略，再评估 Max/Scale 是否值得。企业团队则应重点确认数据边界SLA、DPA、专属基础设施和 air-gapped 需求。

应用场景

Supermemory 最适合“上下文会不断变化，但又不能丢”的场景。

• AI 助手：记住用户偏好、项目背景、历史对话和工作习惯。
• 知识库问答：把文档、网页和内部资料写入可检索上下文层。
• 企业内部 Copilot：同步团队知识源，让模型回答时具备组织上下文。
• Agent 工作流：让多个工具和 agent 共享项目记忆。
• 个性化产品：通过 Profiles 维护用户级事实和偏好。

如果只是一次性 FAQ 或静态文档检索，Supermemory 可能偏重；如果产品需要长期、个性化、跨工具的上下文，它会更有价值。

适用人群

Supermemory 适合 AI 产品团队agent 开发者RAG 工程师、平台工程团队和企业知识管理团队。它尤其适合那些已经意识到“把历史记录直接塞进 prompt”不可持续的团队。

不太适合的情况是：团队没有跨会话记忆需求、不需要同步外部知识源、也不准备维护用户画像或上下文边界。那时普通向量检索或数据库方案可能更轻。

总结与展望

Supermemory 的核心价值，是把 AI 应用里的记忆和上下文从临时 prompt 技巧变成基础设施。它把 Memory、SuperRAG、Search、Profiles、Connectors 和 Extractors 放到同一个产品中，降低了开发者自建上下文层的复杂度。

未来值得观察的是三点：用量计费在大规模生产中的真实成本，企业部署和合规能力的成熟度，以及 MCP/agent 生态是否能让它成为更通用的 agent memory layer。

用户与市场认知

Supermemory 的目标用户主要是正在构建 AI assistants、knowledge bases、internal copilots 和 agent workflows 的团队。官方页面强调 agents、context、memory 和 retrieval，说明它的市场位置不是通用存储，而是 AI 应用的长期上下文层。

用户类型	主要诉求	Supermemory 对应能力
AI 应用开发者	让助手跨会话记住用户和项目	Memory、Profiles、API
RAG 团队	更快接入检索和排序能力	SuperRAG、Search
企业知识团队	同步内部资料和外部工具	Connectors、Extractors
Agent 平台团队	让工具链共享上下文	SDK、MCP、Filesystems

它的市场叙事很明确：开发者不应该反复在向量库、爬取器、同步器、用户画像表和检索重排之间手工粘合。Supermemory 想把这些能力收拢成一个产品化的上下文层。

版本演进

Supermemory 的公开演进路线很像从个人记忆产品走向开发者基础设施：先强调 second brain 和统一记忆，再推出开发者控制台API、tools v2、Context Cloud 和企业级定价。

时间	节点	变化
2025-07	Unified Memory	强调个人应用、开发者控制台与 API 入口
2025-10	Seed Round	官方披露融资并强化 LLM memory engine 叙事
2026-04	@supermemory/tools v2.0.0	加强 agent SDK 与 conversation identity
2026-05	Context Cloud	将记忆、检索profiles 与 embeddings 统一叙事
2026-06	Current Pricing State	用量计费拆分为 Memory、SuperRAG、Search、Storage 等项目

这个演进方向说明 Supermemory 不只是做一个“记忆应用”，而是在把上下文管理拆成开发者可以购买、调用和组合的基础设施。

使用方式

Supermemory 的典型使用路径是先创建开发者账号和 API key，再把文本、文件或对话写入 memory，随后在应用运行时检索相关上下文。

步骤	说明
创建项目	进入 Developer Console，配置 API key 和项目
写入内容	通过 API、SDK、连接器或抽取器添加文档与对话
标记边界	用用户 ID、项目 ID、container 或 metadata 区分上下文
检索上下文	在模型调用前搜索相关 memory 或 SuperRAG 结果
集成工具	用 MCP、SDK 或 agent 框架接入现有工作流

实际落地时，最好先明确“哪些内容应该被记住，哪些内容必须被遗忘”。记忆系统如果没有边界，很容易从帮助上下文变成噪声来源。

版本信息

• Supermemory Context Cloud ：当前公开网站将 Supermemory 定位为 The context cloud for agents，定价页按 Memory、SuperRAG、Search、Storage 和带宽拆分用量，并提供 Free、Pro、Max、Scale、Enterprise 五类方案。 （2026-06-26）
• Context Cloud Update ：官方博客围绕 Context Cloud、记忆、检索profiles、reranking 与 embeddings 进行产品叙事更新。 （2026-05-18）
• @supermemory/tools v2.0.0 ：官方博客发布 tools v2，聚焦 agent SDK 接入conversation identity 和 memory saving 默认行为，强化开发者集成体验。 （2026-04-27）